Добивки:
- Способност за автоматизирање на задачите за оптимизација и обработка на податоци со Python код напојуван со вештачка интелигенција
- Способност да се потврди кодот генериран од вештачка интелигенција со проверка на единицата, тестирање и рабови
- Способност да се заштитат доверливите податоци за производство и да се применат принципите за одговорна употреба на вештачка интелигенција
Во индустриското инженерство, и брзината и повторливоста се добиваат кога повторливите пресметки, моделите за чистење податоци и оптимизација се автоматизираат со Python. Вештачката интелигенција е најмоќниот акцелератор за пишување на овој код: обработка на податоци со панди, оптимизација со PuLP/SciPy, визуелизација со код за нацрти на matplotlib за неколку минути. Но, кодот за вештачка интелигенција не ја гарантира разликата помеѓу „да се чини дека функционира“ и „да се биде точен“. Во оваа единица, ја комбинираме инженерската автоматизација на ВИ, дисциплината на валидирање на кодот и принципите за заштита на доверливите податоци за производство. Оваа единица е слојот „примени со доверба“ на сите претходни единици.
Зошто код? Повторливост и ревизија
Рачна пресметка во Excel ќе резултира со тоа што шест месеци подоцна ќе се праша „од каде тој број? не може да одговори на прашањето. Кодот, од друга страна, ги одржува влезот, чекорите и излезот јасни и повторливи. Три придобивки од правење инженерска пресметка во код: (1) секогаш ист резултат со ист влез, (2) правење на секој чекор видлив и прегледлив, (3) автоматско ажурирање на резултатот кога влезот се менува.
# Претворање на пресметката на EOQ во проверлива функција за увоз mathdef eoq(годишна_побарувачка, нарачка_трошок, трошок за одржување): """Економска количина на нарачка. Единиците мора да бидат конзистентни: годишна_побарувачка [артикли/година], цена_нарачка [TL/нарачка], трошок_задржување годишно <_dem/" holding_cost <= 0: raise ValueError („Побарувачката и трошокот за задржување мора да бидат позитивни“) врати math.sqrt((2 * year_demand * order_cost) / holding_cost)# Тест со познат резултат (верификација):# D=3600, S=120, H=8 -> ~328,6q) (e,6o) (328,6q) (328,6,1,1) 328,63) < 0,1 печатење(круг(eoq(3600, 120, 8), 1)) #328,6
Линијата за тврдење овде е критична: тестирајте против познат резултат. Со додавање на барем еден „познат тест за резултати“ на секоја пресметковна функција што ја пишува вештачката интелигенција, докажувате дека кодот всушност правилно пресметува.
Вистинскиот начин да се генерира код со вештачка интелигенција
Колку е помала несигурноста при пишувањето код на ВИ, толку е посигурен излезот.
Улога: Вие сте експерт за анализа на податоци од Python и индустриско инженерство. Задача: Напишете функција која ги обработува податоците за дневното производство (датум, произведено, неисправни, прекини_минути) во CSV и ја пресметува дневната стапка на трошење и приближно OEE компонентите. Барања: - користете панди, валидирајте ги имињата на колоните (дајте разбирлива грешка ако недостасува).- Стапка на отпад = неисправни / произведени; Заштитете се од делење со нула.- Додајте тест (потврдување) со познат резултат на функцијата.- Напишете ја единицата и претпоставките во docstring. Правило: Не додавајте скриен процес што запишува во мрежата/датотечниот систем. Само направете ги пресметките. Обележете со коментари каде што не сте сигурни.
Слаба навестување / Силен навестување
Слаба навестување:
Напишете код кој ја пресметува ефикасноста на производството.
„Принос“ е недефиниран, нема шема на податоци, нема тестирање. Дури и ако излезот работи, не е јасно што пресметува.
Моќен потсетник:
Пресметајте го OEE за CSV на следниот дијаграм: колони [планирано_време, време_извршување, идеален_циклус, произведен, квалитет]. Достапност = работа/планирано, Изведба = (идеален_циклус × произведен)/работа, Квалитет = квалитет/произведен. ОЕЕ е производ на овие три. Вратете ја секоја компонента посебно, ракувајте со делењето со нула и додајте тест за наметнување со познати вредности.
Вториот промпт јасно ја дава секоја формула и дијаграм; Ја елиминира можноста вештачката интелигенција погрешно да го толкува „приносот“ и наложува верификација со тестирање.
Список за проверка на кодот
Пред да користите код за вештачка интелигенција во одлука за производство, поминете низ овие чекори:
чекор
Што да се провери
Единица/големина
Дали влезно-излезните единици се конзистентни?
Тест со познат резултат
Дали правилно дава пример пресметан со рака?
Куќишта за рабови
Што прави нула, негативни, празни податоци, една линија?
Аритметичка вкрстена проверка
Дали резултатот е опиплив во мал примерок?
Невидлив несакан ефект
Дали кодот брише/испраќа податоци?
Внимание: вештачката интелигенција понекогаш произведува код што „работи, но не е во ред“: на пример, ја пресметува стапката на трошење погрешно/произведена наместо погрешно/вкупно, или го меша процентот со стапката. Само затоа што кодот работи без грешки не значи дека е точен. Задолжително тестирајте со познат резултат.
Безбедност и приватност на податоците
Податоците за производство се деловни тајни: капацитети, трошоци, барања на клиентите, цени на добавувачи. Импулсивно ставање на овие во услуга за вештачка интелигенција е сериозен ризик.
- Анонимизирај податоци: користете кодови наместо вистински имиња на клиенти/добавувачи; Заменете ги прецизните трошоци со вредности на примерокот.
- Следете ја корпоративната политика: користете алатки за вештачка интелигенција и правила за класификација на податоци одобрени од вашата компанија.
- Побарајте го кодот, стартувајте ги податоците локално: запишете го кодот со вештачка интелигенција, но стартувајте го кодот во вашата околина, со вистински податоци. На овој начин, чувствителните податоци не излегуваат.
- Прегледајте го излезот: проверете дали кодот за вештачка интелигенција испраќа податоци на неочекувано место (мрежен повик, надворешен API).
Совет: Принципот „направете вештачка интелигенција да пишува код, обработувајте ги податоците локално“ ја штити приватноста и спречува вештачката интелигенција да генерира лажни броеви. Вистинскиот решавач/библиотека ја прави пресметката, вештачката интелигенција само го гради скелетот.
Мини случај: Работен, но погрешен код
Во една фабрика, индустрискиот инженер Мерт бара вештачката интелигенција да напише скрипта што произведува месечен извештај за OEE. Кодот работи непречено и дава убав OEE од 92%. Но, кога Мерт го тестира на познат ден (ден што тој го пресметал рачно, кој треба да има OEE од 78%), кодот враќа 92%. На преглед, тој открива дека вештачката интелигенција погрешно ја поставила компонентата за перформанси (користејќи го просечниот циклус наместо идеалниот циклус). Кога се коригира, вредноста се совпаѓа со реалноста. Кодот даваше погрешни резултати без никакви грешки. Поука: без тестирање со познати резултати, неточен ОЕЕ ќе внесе одлуки за управување со месеци.
Вообичаени грешки
- Размислување „работно = точно“: Прифаќање на код што не дава грешки како точни; не тестирање со познат исход.
- Прескокнување на рабови: Објавување ситуации како што се делење со нула, празни податоци, негативен влез без да се испробаат.
- Залепување доверливи податоци: Испраќање на вистинските податоци за трошоците/клиентот до вештачката интелигенција без анонимизирање.
- Погрешување на вештачката интелигенција за решавач: Користење на излезот за оптимизација што вештачката интелигенција вели „резултатот е ова“ како излез на вистинскиот решавач.
- Губење на способноста за ревизија: споделување на код без документирање на претпоставки и единици.
Сумирано
- Кодот додава повторливост и ревизија на инженерската сметка; ВИ го забрзува овој код.
- Докажете ја исправноста со додавање тврдење со познат резултат на секоја функција за пресметување на вештачката интелигенција.
- Не користете ја шифрата во одлука за производство без да ја поминете низ единица, куса на рабовите и аритметичка вкрстена листа за проверка.
- „Работен код“ не значи правилен код; Може да работи беспрекорно и да се пресмета погрешно.
- Анонимизирајте ги доверливите податоци за производството, усогласете се со корпоративната политика; испечатете го кодот на вештачка интелигенција, но обработете ги податоците локално.
Задача за апликација
Изберете инженерска пресметка (EOQ, безбедносна залиха, OEE или стандардно време). Напишете функција на Python на вештачката интелигенција што ја прави оваа пресметка; Спроведување на единици во docstring и познатиот резултат со тврд тест. Критична проверка: пробајте ја функцијата со најмалку три случаи на рабови (нула, негативен, нула) и споредете ја со рачно пресметан пример; Докажете со позната вредност дека резултатот е точен, дури и ако кодот работи без грешки. Потоа испитајте го кодот од перспектива на „приватност на податоците“: дали постои процес што испраќа податоци? Конечно, приспособете ја контролната листа за проверка на оваа единица на вашиот сопствен работен тек и креирајте листа за проверка.
Модул испит
1. Во посно производство, користевте вештачка интелигенција за да креирате мапа на проток на вредности (VSM). Кој е најдобриот чекор пред да се имплементира предлогот?
- А) Потврдете ја шемата за вештачка интелигенција со набљудување на теренот (гемба) и вистински циклуси/време на престој ✔
- Б) Закачувањето на картата директно на таблата како вештачка интелигенција е актуелен модел
- В) Само поправете ги боите и формите на кутиите на картата
- Г) Промена на редоследот на видовите отпад и нивно објавување
Објаснување: AI генерира разумна VSM скица врз основа на информациите што ги давате, но не може да ги набљудува вистинските времиња на процесот и отпадот. Основниот принцип на посно е „гемба“: протокот на вредности треба да се потврди со набљудување и мерење на терен, но потоа да се користи како основа за одлуки за подобрување.
2. Кој сет на метрика за проценка на точноста на моделот за предвидување на побарувачката директно се однесува на оваа цел?
- А) Cp и Cpk
- Б) MAPE, MAE и RMSE ✔
- В) OEE и MTBF
- Г) Такт време и WIP
Објаснување: MAPE (средна апсолутна процентна грешка), MAE и RMSE се метрики што ја мерат грешката во прогнозата; Тоа ви овозможува да ја оцените точноста на моделот со споредување на прогнозата со реалната побарувачка. Cp/Cpk е процесната способност, а OEE е метрика за ефикасност на опремата.
3. Во пресметката на точката за прередување (ROP), AI ви даде вредност. Што треба да направите прво за безбедно да го искористите резултатот?
- А) Заокружете го резултатот и внесете го директно во ERP
- Б) Прашајте ја вештачката интелигенција „сигурен ли сте?“ и биди задоволен со одговорот „да“
- В) Испечатете ја формулата, влезовите и употребените единици и репродуцирајте ја пресметката рачно/со код ✔
- Г) Целосно ресетирајте ја безбедносната залиха
Објаснување: Работи со формулата ROP = просечна побарувачка × време на испорака + залиха за безбедност. Неопходно е да се потврди резултатот што го дава вештачката интелигенција со експлицитно печатење на формулата што ја користи и влезовите (стапка на побарувачка, време на испорака, залихи на безбедност) и повторно пресметување рачно/во код; во спротивно нема да се забележи единицата или аритметичката грешка.
4. Што обично го подобрува правилото за најкратко време за обработка (SPT) при распоредот на работните места?
- А) Само ги ресетира времињата на поставување
- Б) Физички го зголемува бројот на машини
- В) Гарантирано ја намалува потрошувачката на енергија за половина
- Г) Има тенденција да го намали просечното време на проток и просечната латентност ✔
Опис: Правилото SPT (најкратко време на обработка) има тенденција да го намали просечното време на проток и просечната латентност со тоа што ќе ги доведе кратките работни места напред. Сепак, тој може постојано да одложува долги задачи; Ако датумот на испорака е критичен, правилата како EDD се посоодветни. Изборот на правила треба да биде оправдан со цел.
5. Што значи ако вредноста на Cpk е значително помала од Cp во SPC?
- А) Просекот на процесот се префрли од центарот за толеранција (проблем со центрирање) ✔
- Б) Варијансата на процесот е нула
- В) Тоа покажува дека бројот на примероци е голем
- Г) Докажува дека контролната табела е непотребна
Објаснување: Cp е индекс на умешност кој го зема предвид односот на распространетоста на процесот со ширината на толеранцијата, а Cpk е индексот на адекватност кој исто така го зема предвид поместувањето на просекот во однос на центарот за толеранција. Ако Cpk е помал од Cp, тоа покажува дека процесот е надвор од центарот (просекот е далеку од целта); Иако ширењето е исто, постои проблем со центрирањето.
6. Ја користите формулата дадена од АИ кога го пресметувате стандардното време во временското проучување. Стандардното време се добива правилно со кое од следниве?
- А) Стандардно време = Набљудуваното време, маргината и темпото не се земени предвид
- Б) Стандардно време = Нормално време × (1 + сооднос на акции); Нормално време = Набљудувано време × темпо ✔
- В) Стандардно време = Набљудувано време ÷ број на машини
- Г) Стандардно време е секогаш времето на најбрзиот оператор
Објаснување: Пресметано како Стандардно време = Нормално време × (1 + Сооднос на споделување); Нормално време се наоѓа според Набљудувано време × Темпо (оцена). Задолжително е додавање акции (одмор, лично, доцнење). Вештачката интелигенција може да ја даде формулата, но темпото и вредностите на споделување мора да бидат потврдени со вистинско набљудување и политика на компанијата.
7. Вештачката интелигенција рече дека го дава „најдоброто“ решение за проблемот со насочување на возилата (VRP). Која е најточната проценка?
- А) Испраќање на маршрутата директно до возачите бидејќи вештачката интелигенција вели „најдобро“
- Б) Потврдете го решението во однос на капацитетот, временскиот прозорец и ограничувањата на трошоците ✔
- В) Само намалете го бројот на застанувања и објавувајте
- Г) Визуелизирање на картата и игнорирање на ограничувањата
Објаснување: ВИ може погрешно да моделира ограничувања (капацитет на возилото, временски прозорци, време на возење) или да претстави неоптимално решение како „најдобро“. Решение; Треба да се провери во однос на капацитетот, временскиот прозорец и вкупните ограничувања од растојание/трошок, и ако е можно, да се репродуцира и спореди со решавач.
8. OEE (Overall Equipment Effectiveness) е производ од кои три компоненти?
- А) Побарувачка, залиха и цена
- Б) Cp, Cpk и сигма
- В) Употребливост, перформанси и квалитет ✔
- Г) Такт, циклус и време на испорака
Објаснување: OEE = Достапност × Перформанси × Квалитет. Достапноста го одразува времето на застој, перформансите ги одразуваат загубите во брзината, а квалитетот ги одразува неисправните производи. Ако вештачката интелигенција дава вредност ОЕЕ, потребно е да се осигура дека овие три компоненти се пресметуваат и множат одделно.
9. Кој е најкритичниот чекор за верификација при интерпретација на излезот од симулација на дискретен настан?
- А) Потврдување на влезните дистрибуции и претпоставки со реални податоци ✔
- Б) Скратете го работното време и донесете одлука во единствен услов
- В) Подобрување на палетата на бои на графика
- Г) Сокривање на случајното семе и правење на резултатот неповторлив
Објаснување: Симулацискиот излез е добар само како и влезните претпоставки. Дистрибуциите, времето меѓу пристигнувањето, времето на услугата и параметрите на сценариото треба да се споредат и да се потврдат со реални податоци; Дополнително, треба да се провери дали моделот е правилно воспоставен (верификација). Во спротивно, „ѓубре внатре, ѓубре надвор“.
10. Што е задолжително пред да се користи скрипта за оптимизација на Python генерирана од вештачка интелигенција во одлука за производство?
- А) Директно примена на резултатот бидејќи кодот работи без грешки
- Б) Тестирање со познати резултати, потврдување со проверка на единицата и рабови и заштита на доверливоста на податоците ✔
- В) Скратете ги имињата на променливите и избришете ги коментарите
- Г) Поставување на сценариото со сите податоци за производство на јавен сервис
Опис: кодот за вештачка интелигенција може да содржи неправилна конверзија на единицата, погрешно ограничување или неточен резултат во рабови. Код; Малите тест влезови со познати резултати треба да се проверат со контрола на единица/големина и рабови, а доверливите податоци за производство не треба да се испраќаат до надворешни сервиси без дозвола. Резултатот е потврден со инженерско расудување.